视网膜眼病的多类分类从眼镜镜像使用转移学习基于视觉转换器的视觉转换器

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 糖尿病视网膜病变,玻璃眼和白内障是导致视力丧失的主要原因.
• 早期检测至关重要,以防止不可逆转的眼损伤和这些疾病的进展.
• 深度学习 (DL) 显示出对眼镜镜像的自动化分析的前景.

研究的目的:

• 用视觉转换器 (ViT) 和卷积神经网络 (CNN) 评估转移学习的有效性,用于分类糖尿病视网膜病变,青光眼和白内障.
• 用眼镜镜图像确定最优的深度学习模型,以准确诊断常见的视网膜疾病.
• 展示AI在提高眼病诊断精度方面的潜力.

主要方法:

• 采用了各种深度学习模型,包括ResNet50,DenseNet121,Inception-ResNetV2,以及六种ViT的变体.
• 使用了4217张眼镜镜像的平衡数据集.
• 专注于眼科特定的预训练ViT骨干和深度转移学习 (DTL) 结构.

主要成果:

• 更新的ViT#5模型 (AugReg ViT-L/16_224) 在视网膜图像数据集上实现了98.1%的基于数据的准确性.
• 这款车型在准确性,精度,回忆力和F1评分方面在大多数类别中都超过了其他CNN和ViT车型.
• 与最先进的技术相比,观察到分类准确性的显著改善.

结论:

• 使用ViT转移学习提供了一个高度准确的自动化方法来诊断视网膜疾病.
• 开发的人工智能方法有可能显著改善青光眼,糖尿病视网膜病变和白内障的早期检测和管理.
• 这项研究支持将AI整合到医疗诊断中,以提高医疗成像的精度和更广泛的应用.